基于手绘草图的自由创意3D打印模型生成数据

通过构建一个包含大量不同外形、且均为水密性的自由类别的3D打印模型及其对应的手绘设计草图（2D线稿图）的大规模配对数据集，可以为深度学习模型提供训练基础，使其学习从二维线条轮廓生成功能性的三维物体。这一数据集主要适用于创意产品原型的快速验证。利用该数据训练出的模型，能够让普通用户甚至儿童通过随手画一张草图，就能生成一个可直接用于3D打印的实体模型，解决了即便是简单功能性物品也需要专业三维建模软件才能设计，以及普通人无法将创意草图快速实物化的问题。基于手绘草图生成自由类别的可3D打印模型，旨在实现创意的快速物化。具体过程包括：（1）数据收集：用户在纸上或平板电脑上绘制一张能清晰表达笔筒外轮廓的2D设计草图（I_sketch）。（2）数据处理：将输入的草图图片进行预处理，然后送入一个在草图数据集上训练过的图像编码器，以提取代表设计意图的结构化特征向量。特征向量通过公式 F_sketch = Encoder_sketch(I_sketch) 提取，其中 F_sketch 为草图特征向量，Encoder_sketch 为图像编码器。（3）模型构建：使用提取的草图特征向量作为输入，设计并搭建一个专注于从2D轮廓生成3D实体的几何解码模型。根据公式 SDF = Decoder_3D(F_sketch) 从草图特征中解码出三维模型的SDF表示，其中 SDF 为模型的表面符号距离场，Decoder_3D 为三维形状解码器。关键的评估指标包括交并比（Intersection over Union, IoU）和倒角距离（Chamfer Distance, CD）。此方法适用于将非专业用户的2D手绘创意直接转化为功能性的3D打印实物，极大地简化了实用物品的设计流程。

搜集汇总

背景与挑战

背景概述

该数据集包含6741条CSV格式数据，涵盖手绘草图、特征向量和3D模型等字段，用于训练深度学习模型从2D草图生成可3D打印的3D物体。它支持创意产品原型的快速验证，使非专业用户能通过草图直接生成实体模型，简化设计流程。